集成电路行业专题报告从全球领先企业看GPU发展方向

集成电路行业专题报告-从全球领先企业看GPU发展方向1、从世界巨头寻找发展的足迹1.1GPU的作用与分类一般而言，消费者在选购消费电子产品的时候，例如在选购移动电话或者笔记本时，更加关注CPU（CentralProcessingUnit，中央处理器）的性能，例如CPU的品牌、系列、核心数量等等，而GPU受到的关注就相对较少。GPU（GraphicProcessingUnit），及图形处理器,是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上做图像和图形相关运算工作的微处理器。在PC诞生之初，并存在GPU的概念，所有的图形计算都由CPU进行计算。然而，使用CPU做图形计算速度较慢，于是就设计了专门的图形加速卡用以帮助处理图形计算。再后来，NVIDIA提出了GPU的概念，将GPU提升带了一个单独的计算单元的地位。CPU一般由逻辑运算单元、控制单元和存储单元组成。CPU虽然有多核，但总数没有超过两位数，每个核都有足够大的缓存;CPU有足够多的数字和逻辑运算单元，并辅助有很多加速分支判断甚至更复杂的逻辑判断的硬件。因此，CPU拥有超强的逻辑能力。GPU的优势在于多核，核数远超CPU，可以达到数百个，每个核拥有的缓存相对较小，数字逻辑运算单元少且简单。因此，GPU相对于CPU更适用于处理数据并行计算问题。GPU具有两种分类方式，一种根据与CPU的关系，另一种是根据GPU所在的应用端类别。根据与CPU的关系，GPU可以分为独立CPU和GPU。独立GPU一般焊接在显卡的电路板上，位置在显卡的风扇下面。独立GPU使用的是专用的显示存储器，显存带宽决定了和GPU的连接速度。集成GPU一般与CPU集成在一起。集成GPU与CPU共有一个风扇和缓存。集成GPU由于设计制作、驱动程序都由CPU厂家完成，因此兼容性较好；此外,由于CPU与GPU实现了集成，因此，集成GPU的占用空间小；实现GPU与CPU的适配与兼容，集成GPU的性能相对独立GPU较弱，因此功耗和成本相对独立GPU较低。独立GPU由于拥有独立的显存，更大的空间和更好的散热，因此在性能上面独立显卡更好；但需要额外的空间，能够满足复杂庞大的图形处理需求，并提供高效的视频编码应用。然而，强劲的性能意味着更高的耗能，独立GPU需要额外的供电，并且成本也更高。根据应用终端类别，可以分为PCGPU,服务器GPU，移动GPU。PCGPU应用于PC端。根据其所在产品定位既可以使用集成GPU，也可以使用独立GPU。例如，若PC以轻办公，文字编纂为主，一般产品会选择搭载集成GPU;若PC需要制作高清图片，编辑视频，渲染游戏等，则选择的产品搭载独立GPU。服务器GPU应用于服务器，可做专业可视化、计算加速、深度学习等应用，根据云计算、人工智能等一系列技术的发展，服务器GPU将会以独立GPU为主。移动端轻薄化已经成为趋势，终端内部净空间由于多种功能模组的增加已经快速下降；同时就目前移动端需要处理的视频和图像而言，集成GPU已经能够满足。所以移动GPU一般采用集成GPU。1.2GPU市场：寡头竞争时代已经来临PCGPU市场，Intel优势明显。根据JonPeddieResearch的数据显示，全球2019年第四季度PC领域GPU出货量，Intel是全球最大的处理器供应商。目前主流的处理器架构是X86，主要的供应商是Intel，AMD，VIA。截至2019年第四季度，消费级x86CPU市场中，包括桌面品台，移动端平台（笔记本和平台LOT物联网）中，Intel占据了84.4%的市场份额，AMD占据了15.5%的市场份额。Intel凭借在CPU出货量上的优势，通过销售集成GPU，实现了在GPU市场的霸主地位。Intel以63%的市场份额排名第一，对比2019年第三季度环比下滑了2个百分点；AMD作为全球第二大的X86架构处理器供应商，既受益于CPU出货带动的集成GPU出货量，也受益于自身优秀的独立GPU的出货。AMD以19%的市场份额排名二，环比上升3个百分点；NVIDIA是全球领先的独立GPU供应商，同时结合ARM架构处理器，出货集成GPU，市场份额为18%，环比下降了1个百分点。独立GPU领域，AMD奋起直追。根据JonPeddieResearch发布的AIB数据显示，截至2019年第四季度，在独立GPU域中，NVIDIA以68.92%的市场份额占据较大的优势。AMD方面，AMD得益于在2018Q4所推出RX5500及RX5600系列，以及RX5700系列的放量，多方因素共同促使AMD显卡份额大涨，从2018年18.77%上升至31.08%。AMD推出的Radeon系列部分型号采用7nm工艺，并且在与NVIDIA的产品对比中（RTX2070对标RX5700，RTX2070S对标5700XT），同系列AMD性能略强，价格更低，重点是功耗一样。更强的性能，更低的功耗，AMD的产品无疑对NVIDIA的市场份额造成了挑战。五雄争霸，手机厂商不甘寂寞。在移动GPU领域，主要以Imagination、ARM、Qualcomm、Vivante、NVIDIA为主。目前是Android阵营最大的处理器供应商。移动端主要使用集成GPU，因此，高通GPU因其处理器的市场优势也有所受益。ARMMailGPU的主要使用者是华为和三星。ARMMail的GPU性能相对较弱，因此华为在2018年通过推出GPUTurbo软硬件优化弥补短板。三星方面已经与AMD前敌多年的IP授权，AMD将向三星授权最新的7nmRDNA架构Radeon显卡IP,并且尝试自研GPU。苹果在与Imagination取消合作两年后，再次选择与Imagination合作，并给予支付授权费。虽然目前手机巨头都是采取购买GPU厂商IP的方式，但是目前三星、苹果、华为等有相关计划进行GPU自研项目。手机已经进入同质化时代，手机之间的差异性已经成为手机厂商竞争优势的关键。公版GPU难以使手机厂商产生本质的差异性。因此，手机需要通过自研GPU以及CPU实现手机性能的差异化，从而获得市场的竞争优势。1.3从世界巨头发展足迹寻找启示1.3.1世界独立GPU领先者——NVIDIA怀着梦想，高歌猛进。1993年4月，从集成电路生产商LSILogic出来的黄仁勋，联合Sun公司两位年轻工程师——ChrisMalachowsky和CurtisPriem共同创立了NVIDIA，他们的初衷是研发一种专用芯片，用来加快电子游戏中3D图像的渲染速度，带来更逼真的显示效果。他们相信，PC终将会成为享受游戏和多媒体的消费级设备。最初几年，由于技术上的优势，NVIDIA发展颇为迅速。发布了多款优秀的产品，例如NVIDIASTG-2000X、RIVA128等，并在1998年与签署了多年战略合作伙伴关系协议。台积电开始协助制造NVIDIA产品。高低起跌，成长并非一帆风顺。1999年，NVIDIA在纳斯达克挂牌上市。同年8月，NVIDIA推出第一款以GeForce命名的显示核心——GeForce256，并首次提出GPU概念。次年底，NVIDIA以7000万美元现金、100万股公司股票，将3Dfx收入囊中。此时的NVIDIA已经成为了行业的领头羊。2000年，微软宣布选择NVIDIA为其首款Xbox游戏机提供图形处理器。在合作过程中，双方因交付价格问题产生矛盾。最终，微软把订单交给了NVIDIA的竞争对手ATI。这次合作的失败让NVIDIA遭受了沉重的打击，不仅2003年营收减少，还错过了微软DirectX9规格确立的重要消息，直接导致当年推出的GeForceFX由于兼容性问题败给ATI的Radeon9700。在与微软合作失败的同时，也开始扶持ATI。面对如此严峻的局面，NVIDIA开始寻求走出困境之道。首先，主动与微软和解，争取再次合作；同时和英特尔达成了专利交叉许可协议。第三，扩展自己客户源，包括争取到为索尼的PlayStation3游戏机开发处理器；与暴雪娱乐（BlizzardEntertainment）合作，发布了3D图形世界的《魔兽世界》，推动大型多人在线游戏成为全球最受欢迎的游戏。外延并购，强化技术本领才是硬实力。自NVIDIA创立以来，一直坚持技术创新，提升自身的实力。提升自身的技术实力有两种方式，一种是外延并购，一种是修炼内功。在外延并购方面，NVIDIA自1999年上市，主要实施了9次并购活动。在这9次并购活动中，我们发现，NVIDIA不仅通过并购活动巩固自身的技术优势，例如在2000年对3dfx的并购；也有不断延伸自身业务范围的并购，例如，2006年对HybridGraphics的并购，曾帮助公司开始进行嵌入式2D和3D图形软件的开发；2008年对AGEIA的并购则是则是增项游戏中的视觉体验；2013年对PortlandGroup的并购则是推动为加速计算革命创建开发工具的进程。NVIDIA通过并购活动不断拓展自身的业务范围，提升公司在市场的竞争力。NVIDIA积极修炼内功。自2016年起，公司的研发费用逐年增高。2015年公司研发费用为13.31亿美元，2016年公司研发费用为14.63亿美元，同比增长9.92%；2017年更是达到17.79亿美元，同比增长达到22.83%。从2017年起，公司每年的研发费用保持双位数的增长，在2018年更是达到了32.22%的增长。在人才储备方面，自2014年起，公司的研发人员比例，维持在71%以上，即使当前全公司总人数已经达到13775人，公司的研发人员数量也有9823人。强劲的研发费用以及庞大的研发团队造就了NVIDIA一次又一次的技术创新，例如用于增强并行计算的CUDA架构、全球首款面向家庭的高清3D立体解决方案，后期更有高级驾驶辅助系统、轻松创建和部署用于制造、配送、零售、智能城市等的AI机器人应用程序、为超级计算提供协助的加速器等一系列面向未来的高端技术。面向未来，拓展业务，形成生态。从NVIDIA的发展史可以看出，公司最早是以生产图形加速器起家，并逐步成为微软、索尼、暴雪等知名游戏品牌的合作商。同时，通过一系列的外延并购已经获得了视觉渲染的技术，并在游戏领域中实现应用。游戏与视觉化技术仅仅是NVIDIA的一部分业务，多年的技术积累与创新使NVIDIA可以不断拓展自身的领域，布局未来产业。2012年，多伦多大学AlexKrizhevsky创建了能够从100万样本中自动学习识别图像的深度神经网络。仅在两块NVIDIAGTX580GPU上训练数天，“AlexNet”就赢得了当年的ImageNet竞赛，击败了磨练几十年的所有人类专家算法。认识深度学习的强大后，斯坦福的AndrewNg与NVIDIA研究室合作开发了一种使用大规模GPU计算系统训练网络的方法。这引起了全球关注。自此之后，深度神经网络技术迅速发展，Nvidia也一举成为深度学习领域最炙手可热的公司。NVIDIA在发布了“Fermi”

架构后，在2015年发布了用于训练深度神经网络的最强大的处理器NVIDIAGeForceGTXTITANX，2016年发布世界上第一款台式深度学习超级计算机，可增强人工智能应用NVIDIA®DGX-1™。从架构到处理器再到超级计算机，NVIDIA在不断地完善自身的生态。不仅是在深度学习领域，在自动驾驶领域，NVIDIA也表现出色。自NVIDIA入局自动驾驶技术后，不断的研究开放式人工智能车辆计算平台，在2015年推出世界上第一块车载超级大脑第一代DrivePX。随着技术的不断更新，优势也越来越大，NVIDIA已经成为自动驾驶硬件的前沿公司。目前的NVIDIA已经和70多个知名的车企合作，其中也包括一些交通网络提供商和自动驾驶技术公司。大数据、人工智能、自动驾驶是社会未来发展的趋势，公司通过自身的技术积累，重锤出击。目前相关业务已经形成了较好的发展势头。据公司财报显示，2019年公司实现营收109.18亿美元，其中游戏业务实现营收55.18亿美元，同比下降11.66%，专业可视化业务实现营收12.12亿美元，同比增长7.36%，数据中心业务实现营收29.83亿美元，同比增长1.74%；自动驾驶业务实现营收7亿美元，同比增长9.20%。目前游戏业务在公司营收中占据主要部分，达到50%以上，但是可以看到，专业可视化、数据中心、自动驾驶等业务在营收中的占比逐步增加。我们认为，随着5G时代的来临，消费者对信息消费的需求增加，AR/VR、云游戏等一系列应用的推广，公司的游戏业务的有望重回上升轨道，专业可视化业务继续攀升；推动信息化社会进程加速的背后需要大数据、人工智能、自动驾驶等技术的配合，因为公司数据中心与自动驾驶业务未来将会继续收益。1.3.2掌握处理器、集成GPU、独立GPU三大技术公司——AMD起于代工，与开始Intel蜜月期。AMD成立于1969年。刚开始的时候，AMD没有资金和技术优势，一直是采取低价策略争取成为各类产品的第二供应商。由于IBM，促成了AMD与Intel的合作，并拿到了Intel的X86指令集的授权。IBM的采购原则是必须两家以上的公司参与竞标，于是Intel开放技术，全面授权AMD生产X86系列处理器，AMD成为8086和8088处理器的第二供应商。这也间接的提升了AMD的技术水平。1982年，Intel发布80286处理器，这是历史上两家公司第一次同时打上双方logo的产品。这块产品在市场上反应也比较好，在6年内，全世界基于286处理器的个人计算机便达到了1500万台。蜜月结束，顽强生存。AMD在获得286处理器授权后便开始生产自己的286芯片，模仿286制造了克隆体“Am286”。Intel在意识到威胁后，终止了与AMD的技术合作协议。AMD没有放弃，于1989年自主研发了性能与286相似的AM386处理器，通过不断生产兼容Intel的处理器，以低廉的价格打入市场，使得AMD顽强的生存着。Intel在1997年推出PentiumMMX后，退出Socket7市场，这与Intel之前一直靠兼容性占领CPU市场的策略背道而驰。AMD迅速反应，抓住Intel战略失误的机会，坚决地在Socket7架构上推出K6，并提出SuperSocket7架构（向下兼容Socket7），获得了众多厂商的支持。更关键的是，AMD基于Socket接口先于Intel生产出了100MHz外频的产品，性能上也更优异。在1999-2003年间，Intel发布了PentiumIII，并向Pentium4过渡。AMD也不甘落后，发布Athlon、AthlonXP等多款产品。这个阶段双方的产品在性能上旗鼓相当，但是AMD一般价格上更便宜，在这段激烈的竞争中AMD市占率逐步提升。从2003年到2006年，Intel在CPU的市场份额出现下滑，到2006年，AMD已占据CPU一半的市场份额。坠入谷底，获得契机。Intel在2006年提出Tick-Tock战略，即工艺制程每2年实现一次进步，正是基于这个策略2006年后Intel逆转了局面。Intel在2006年发布Core2，采用的是65nm工艺，使得性能增长40%，同时功耗减少40%。这让AMD的Athlon优势全无，性能上的优势重新回到Intel。虽然AMD发布了四核Phenom，但是因为性能不足，敌不过Intel。在2006年AMD以54亿美元收购显卡巨头ATI。从这一刻开始，AMD变成了世界上少数既能制造处理器又能制造图形芯片的厂商。在2009年1月，AMD将自身的移动部门以6400万美元卖给了。AMD的处境处于谷底之中。冲出谷底，再起起飞。虽然当时AMD的处境不佳，但是在家用游戏机市场，AMD还是称霸全场的，在现在的xbox.ps系列游戏机上，它们的核心就是AMD提供的，这样的发展也算是对AMD的一种优势。2017年AMD发布Ryzen处理器，性能出色，价格大幅低于Intel。Ryzen处理器性能实际提升幅度高达52%，Ryzen在游戏行业和新兴的加密货币市场上均出现了稳定的需求，Intel只好全线降价应对。RyzenCPU在2017年中发布，主流型号Ryzen51600短短不到一年就成为AMD历史上销量最好的产品。正是借助于Ryzen，AMD在CPU的市场份额从2006年以来首次出现连续几个季度增长，终于在2017年三季度实现扭亏为盈，股价同时也大幅上涨。AMD在2018年第一季度末发布的Ryzen2代，采用12nm工艺，对i9也直接发起了挑战。不只是CPU，GPU同等优秀。GPU方面，不论是14nm工艺的还是7nm工艺的，GCN架构时代已经过去，RadeonVII已经停产，当前的主力架构是7nmRDNA架构。2018年，AMD宣布新品有代工，并于2019年6月，发布RadeonRX5700系列游戏显卡，采用新一代RDNA架构以及台积电7nm工艺，性能获得大幅提升。目前AMD正在开发RDNA2架构。AMD在新一代架构上实现硬件光追。从进度上来看，RDNA2架构的产品有望在2020年发布。AMD的GPU不仅是在PC端发力，在移动端方面也不甘落后。虽然过去AMD因为运营问题将移动部分出售，高通成为移动端GPU的领先者。然而，这都不妨碍公司在GPU领域的布局。2019年6月4日，三星集团与AMD公司一起正式宣布，AMD将把刚刚才发布的RDNA图新架构的定制图形IP授权给三星集团。三星计划把这些技术用在未来的移动SoC身上。AMD和三星双方将以Radeon显示卡技术为基础，在超低功耗、高性能行动图形处理器IP上展开为期多年的合作。通过与三星的合作，AMD进入智能终端GPU领域，发挥自身在GPU领域的优势，抢占市场份额。1.3.3获得启示1、强化自身实力才是硬道理。无论是NVIDIA还是AMD，都曾经在发展的过程中出现一段低谷期。在低谷期中，两家公司都通过一系列的方式不断发展自身的技术，例如NVIDIA收购MediaQ提升自身的无线图形和多媒体技术，AMD收购ATI公司获得图形处理器的技术。在获得技术后，两家公司技术进行吸收，并在后期推出了相关的重要产品，带领公司走出困境，获得市场的竞争优势。2、独立GPU才是未来的方向。从NVIDIA发布的产品、技术以及财报看，NVIDIA已经信息化和数据化产业广泛布局，例如发布的超级计算机、自动驾驶系统以及深度学习的解决方案等。这一系列的产品布局有充分地说明NVIDIA对数据时代来临的看好。无独有偶，AMD方面拥有X86架构的技术，已经在服务器产品上广泛布局。两大GPU公司都看好未来对大数据处理的需求。此外，2018年6月，宣布旗下首款独立显卡将于2020年正式推出，英特尔正式进入独立显卡市场，未来将和NVIDIA、AMD展开直接竞争。大数据涉及信息消费，人工智能、自动驾驶等方方面面。对大数据的处理需要大量的并行计算。根据我们的分析，独立GPU拥有独立的内存可以发挥更强的性能，适合大规模处理并行计算。随着5G进程的加快，数据流量即将爆发，云计算、云游戏、人工智能、车联网等一系列应用都需要消耗大量的计算能力，对并行计算的需求将会增加。因此，独立GPU具有广泛的市场空间。2、捕捉GPU应用的三大方向之一：追求极致的娱乐与性能平衡2.1全球游戏市场稳步发展移动端占据主要市场，PC端游戏市场规模继续扩大。近年来，随着移动终端与PC终端的普及率不断提升，游戏开发商提供各类吸引玩家的游戏，游戏市场出现了蓬勃发展。根据Newzoo数据显示，2019年，全球游戏市场预计将产生1521亿美元的收入，年同比增长9.6%；并且预计全球游戏市场从2018年到2022年会维持稳定增长，年复合增长率达到9%，到2020年全球游戏市场收入达到1960亿美元。2019年，在各类游戏中，移动游戏（智能手机及平板电脑）是最大的细分市，产生685亿美元的市场收入，占据全球游戏市场规模的45%。由于越来越多玩家转向了移动端，网页游戏的市场收入同比下滑15.1%，但是PC游戏收入规模同比增长4%。因此，PC端游戏市场整体规模维持上升态势。2.2游戏发展，电竞市场功不可没电竞圈人气快速攀升。游戏市场的蓬勃发展离不开电竞市场的贡献。暴雪集团推出了《魔兽争霸》、《星际争霸》、《Dota》等一系列经典爆款游戏，玩家人数不断上升。为提升游戏的知名度，吸引更多的玩家，游戏圈举办了相关的电子竞技比赛。随着游戏行业的不断发展，游戏行业已经产生多款适用于电子竞技的热门产品，端游方面有Dota2、英雄联盟、风暴英雄等；手游方面有王者荣耀、绝地求生等。热门游戏的推出加上相关的赛事的宣传，全球电竞圈人气愈发旺盛。根据Newzoo数据显示，2018年，全球电竞观众人数为3.95亿，其中电竞爱好者人数为1.763亿；预计2023年，全球电竞观众人数达到6.46亿，同比增长10.4%。中国是全球电子竞技产业重点区域。根据Newzoo数据显示，2018年，全球电子竞技收入规模为7.76亿美元；2019年，全球电子竞技总收入为9.50亿美元，同比增长22.4%，实现快速增长。当前，电子竞技产业已经在全球多个地区开展，以英雄联盟为例，中国赛区为LPL赛区，北美赛区为LCS赛区，韩国为LCK赛区等，还有部分外卡队伍所在区域。根据前瞻产业研究院数据显示，2018年，北美地区的电子竞技收入在全球电子竞技行业所有地区的收入中，排名第一，为38.1%；西欧赛区为18.7%，排名第二；中国赛区排名第三，为18.10%。中国赛区具备良好的电竞市场土壤，市场规模巨大。中国电竞用户分布更为分散。根据前瞻产业研究院数据显示，中国有48.1%的电竞用户是在24岁以下的学龄段用户，更有高达28.1%的30岁以上用户。广泛的年龄段分布意味着中国电竞市场受众人数较多，基础良好，具备顺延性。第二，中国的电竞用户有下沉趋势。从区域的角度来看，三线及以下城市电竞用户占比达到51.5%，下沉趋势明显。第三，中国有优秀的电竞产业链，内容授权方面有腾讯游戏、等；赛事内容有LPL、KPL；电竞战队有LGD、RNG、IG等；赛事承办方有阿里体育，联盟电竞等等；还有内容传播商、虎牙直播、企鹅电竞等。广大的电竞全体、电竞用户群不断下城，叠加完善的电竞产业链造就了中国电竞市场的快速发展。2016年，中国电竞产业为532.2亿元，2017年为772.8亿元，2018年已经达到912.6亿元，年复合增长率为30.9%。预计2019年中国电竞产业规模为1150.6亿元，到2024达到2720亿元，年复合增长率为18.79%，有望维持快速增长。中国电竞市场的快速发展离不开电竞用户规模的快速增长。根据MOB研究院数据显示，2017年中国电竞用户为1.3亿人，全球为3.4亿人，中国电竞市场用户在全球中占比为38.24%。2018年，中国电竞用户已经达到2.1亿人，同比上升61.54%，占全球电竞用户超过50%。MOB研究院预测，2022年中国电竞用户人数快速增长，将达到4.3亿人，年复合增长（从2012年开始计算）为35.91%，占全球电竞用户数53.75%。2.3电竞市场带到相关设备出货增加即使游戏市场中PC端游戏的市场份额收到终端游戏的压制，但是由于整体市场规模不断发展，PC端游戏市场规模也在扩大；叠加电竞市场的蓬勃发展，电竞观众以及电竞用户的规模的增长，对电竞产业相关的用品的关注度也会相应地增加，其中包括运行游戏的笔记本。根据ZOL数据显示，2019年，游戏本关注度为36.61%，较2018年增长约2个百分点，在各类笔记本中关注度排名第一。对游戏本的关注度增加更是体现在游戏PC和游戏显示器的出货量增加。根据IDC数据显示，2019年第二季度全球游戏PC和游戏显示器出货量同比增长16.5%。IDC表示，在笔记本方面，游戏笔记本电脑的销量同比增长了12.7%。2.4追求极致的视觉体验-光追技术IDC认为，这是2019年第二季度游戏笔记本销量的增加是因为“支持光线追踪游戏本机型的大量推出”。“光追技术”即光线追踪技术。在SIGGRAPH2018计算机图形与交互技术大会上，NVIDIA推出世界上第一款光线追踪GPU，并推出了最新光线追踪GPUQuadroRTX家族。光追技术能够完美地计算光线反射、折射、散射等路线，渲染的画面较为逼真，几乎与真实世界真假莫辨。由于这种技术的计算量非常大，因此实时光线追踪技术过去只在影视作品的CG制作中出现，一般渲染复杂的特殊效果可能需要数天乃至数周的时间，所以此前该项技术一直仅限于高成本的电影制作中，最直观的效果就是显示更真实。目前该项技术以及可以应用到游戏当中，即为游戏开发者提供电影级画质的实时渲染。更具体的来说，就是在真实世界中，我们看到的3D物体被光源照亮，且光子可以在到达观看者的眼睛以前从一个物体反弹到另一个物体。光线追踪技术则反过来，通过从观者眼睛（观景式照相机）反向追踪光线捕捉这些效果，通过追踪2D视表面上每个像素的光线的路径，并应用到场景的3D模型中。此前的游戏渲染都是将3D图形投射到2D的屏幕上，在后期进行阴影处理，所以效果会比较粗糙，而RTX则通过追踪光线的轨迹来计算物品对光线的反射和折射，更真实地还原物品在现实中的颜色。根据以上分析，光追技术可以增强玩家的游戏体验。在电竞市场日益发展的今天，支持光追技术是未来GPU的趋势。目前，除了NVIDIA发布具备光追技术的GPU外，并没有其他公司发布相关产品，但是GPU领域的另外两大公司——微软与AMD表示正在积极研发支持光追技术的GPU。2.5即使轻薄化也不能降低GPU性能——Max-Q技术对于未来笔记本的发展，IDC认为，未来笔记本将朝着性能更强和厚度更薄的方向发展。根据ZOL的数据显示，2019年轻薄本的关注度为26.83%，较2018年关注度上升约5个百分点。轻薄本由于其便携性、长续航以及优秀的外观往往成为通勤者、商务人士、女性的选择。虽然有如此点多的优点，但是轻薄本也有不足之处，性能不如一般的笔记本。因为要保持较长额续航能力，所以性能与功耗往往会受到限制。为了让消费者在体验到轻薄化带来的便携性同时享受性能的强悍，NVIDIA推出了MAX-Q技术。显卡在提高频率带来性能提高的同时，功耗也必然随之增加，但随着功耗的提升，性能的提升幅度逐渐缩小。在达到某一平衡点之后，即使大幅度提升功耗也只能带来非常微小的提升。NVIDIA正是利用这样的原理，通过计算获得最佳的平衡点，巧妙平衡显卡的性能和功耗，在降低40%显卡功耗的同时依然能支持90%左右的性能，从而达到性能与功耗的最佳平衡。除了硬件上的调校之外，软件层面也做出了相当深度的优化，与硬件方面的思路十分接近，GeForceExperience软件新增的WhisperMode（静默模式）可以智能优化游戏画质，通过降低一些对画面观感影响很小的特效，大幅度降低显卡的压力并将帧率控制在60FPS或者设定的某一水平上，同时也让显卡运行游戏时的功耗进一步降低。而这样的优化并不会对游戏画质和体验造成明显的影响显卡更低的功耗水平则意味着更低的发热水平，也就不需要传统游戏本大规模的散热模组，搭载旗舰级的GTX1080MAX-Q显卡的笔记本产品甚至可以做到18mm甚至更低的厚度，而这一厚度已经接近作为轻薄本存在的MacBookPro。重量也相比传统游戏本有着大幅度的降低。例如外星人系列推出的m15与51m两款笔记本。M15使用RTX2070含Max-Q技术的显卡，51m使用RTX2070显卡，在重量上，m15为12.16KG,51m为3.87KG。在使用max-Q技术，笔记本的重量大幅降低，但是性能并没有大幅下降，维持较高的水平。2.6对消费电子类GPU的思考2009年，Onlive在GDC上展示了孤岛危机的云游戏版本，并联合了EA、育碧等游戏厂商为其提供内容支持。虽然平台上线后同样因传输问题而流产，但是在Onlive实践启发下，索尼、NVIDIA等厂商陆续进入云游戏领域。2017年后，各大厂商明显加快了云游戏布局；其中，NVIDIA在2017年发布了GeForceNow平台，EA、谷歌、微软也在2018年公布了云游戏计划。2019年，NVIDIA在GTCChina宣布与腾讯合作推出Start云游戏服务，为其提供GPU支持。由于云游戏是基于云计算开展的，当玩家发送操作指令后，所有的计算过程都将由云端服务器完成，包括画面渲染、交互逻辑等，运算完成后再回传到玩家的显示终端。在这个过程当中，玩家并不需要通过配置高性能的计算机参与其中，只需要拥有显示终端，即可体验到大型游戏制作，降低了玩家进入高配游戏的门槛，有助于吸引过去由于硬件配置跟不上而被挡在门外的玩家。云游戏的出现是否意味着消费电子不需要配备高性能GPU呢？我们认为，消费电子对高性能GPU依然存在。虽然云游戏的画面渲染与交互逻辑等计算过程都在云端服务器中完成，可能会减少了游戏端对GPU性能的需求，但是GPU的作用不仅是体现在对游戏的渲染，还体现在对图片、视频的渲染与后期制作，对部分模型的模拟与处理。所以，消费电子对于高性能GPU的需求依然会维持。3、捕捉GPU应用的三大方向之二：人工智能与深度学习3.1未来经济社会发展的助推器——人工智能人工智能影响深远，三大因素驱动发展。当前，人工智能已进入新一轮爆发期，主要驱动因素来自三个方面：一是互联网发展提供了海量大数据资源，大大提升了算法有效性；

二是计算机变革降低了硬件成本，缩短了运算时间，推动人工智能再次崛起；三是基础算法和AI平台自身创新加速，克服了传统算法和人类手工总结不完备的缺点，实现算法有效性大幅提升。人工智能快速发展，人工智能已经成为新一轮科技革命和产业变革的核心驱动力，正在对世界经济、经济进步和人类生活产生极其深刻的影响。根据麦肯锡报告预测，人工智能将为全球贡献13万亿美元增量GDP，在2018年的基础上增长15%，平均每年给GDP贡献1.2个百分点的增长，对经济社会具有巨大贡献潜力，并可能从根本上改变人类社会的生产方式。人工智能前景广阔，是经济社会发展的一大助推器，吸引世界主要国家争相布局。近年来，美国、中国、日本、英国、法国、韩国、欧盟委员会都发布了促进AI研究、开发和应用的战略，积极在人工智能领域进行卡位：美国于2011年推出《国家机器人计划》，推出2.0版机器人路线图并大力发展协作机器人；2013年公布《推进创新神经技术脑研究计划》，计划在未来12年投入45亿美元，用于探索人类大脑工作机制；日本于2015年1月公布《机器人新战略》，计划到2020年，通过包括政府制度改革在内的多种政策，扩大机器人开发投资，推进千亿日元规模机器人的扶持项目；欧盟的人脑计划则于2013年入选了欧盟的未来旗舰技术项目，15个欧洲国家参与其中，预期将获得欧盟10亿欧元的资金支持。我国：三步走战略积极推动AI发展。于2016年8月发布《“十三五”国家科技创新规划》，明确将人工智能作为发展新一代信息技术的主要方向；2017年7月，国务院颁布《新一代人工智能发展规划》，制定了三步走的战略目标：①在2020年人工智能总体技术和应用于世界先进水平同步，人工智能产业成为新的重要经济增长点；②到2025年，人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，AI成为带动我国产业升级和经济转型的主要动力；③到2030年，我国人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。全球人工智能市场将在未来几年经历现象级的增长。德勤预测，未来2025年世界人工智能市场将超过6万亿美元，2017-2025年复合增长率达30%。根据信通院数据，我国2017年人工智能产业规模为206.9亿元，2018年将达到339.0亿元，同比增长63.85%；

到2020年人工智能带动规模将达到710.0亿元，2017-2020年复合增速为48.37%。3.2GPU是人工智能的重要组成部分人工智能是实现数字化和智能化社会必不可少的条件。人工智能的三大要素：数据、算力、算法。数据是人工智能算法的原材料。人工智能需要对大数据的处理与分析，挖掘出数据背后的信息与规律。算力是对大数据进行处理的能力。算法是计算机通过对数据的处理获得的数据模型。深度学习的本质是通过对大数据的处理并建立的算法模型，可以实现各行业的AI应用，算法将数据和算力连到一起，共同针对不同细分场景，提供效率优化方案。人工智能运行过程中有两部分：训练与推理。“训练”可以看作算法产生的过程。具体而言就是，在现有数据基础上，经过大量计算，确定模型参数，即建立算法模型的过程。“推理”可以看作将算法应用的过程，即在已建立的算法模型基础上，将新数据通过算法模型处理，得出结果的过程。“训练”阶段GPU具备明显优势。虽然CPU的功能模块较多，但是大部分晶体管主要用于构建控制电路和高速缓冲存储器，只有少部分的晶体管可以组成各类专用电路。CPU的优点在于调度、管理、协调能力强，计算能力不是重点。因此，从运算性能和效率看，CPU不是计算芯片的最佳选择。深度学习算法需要处理海量数据，需要进行大量的简单运算，因此，深度学习对并行计算计算能力有较高的要求。在这一方面，GPU拥有较强的优势，尤其是在训练过程中。首先，GPU提供了多个并行计算的基础结构，并且核心数较多，可以执行海量数据的并行计算；第二，GPU拥有更高的访存速度；第三，GPU拥有更高的浮点运算能力。因为人工智能时代需要大量的多媒体与3D图形，所以更高的浮点计算能力意味着对图形与媒体的快速处理。“推理”阶段GPU是其中一种选择。训练与推理阶段对运算的要求有所不同，训练阶段需要大量繁复的运算，并且为了让人工智能模型获得更佳的参数调整数据，运算的精准细腻度较高，而推理阶段则相反，模型已经训练完成，不再需要庞大运算量，且为了尽快获得推理结果，允许以较低的精度运算。因此，在推理过程中，芯片有多种选择，主要用CPU、GPU、FPGA、ASIC四种芯片。CPU：适合进行逻辑控制、串行计算等通用计算；

GPU并行计算能力强，但是无法单独工作，必须由CPU进行控制调用才能工作；FPGA适用于多指令，单数据流的分析，因此常用于预测阶段，如云端。但是FPGA在实现复杂算法方面有一定的难度，运算量相对GPU小，量产成本高；ASIC专用性强，但是开发周期较长，开发环境需要底层硬件编程，开发难度极高。3.3GPU在深度学习领域空间广阔芯片是人工智能领域不可或缺的成分。随着AI使用的广泛使用，带动AI芯片常常的蓬勃发展。根据数据显示，2019年-2021年，中国AI芯片市场规模为124亿元\193.7亿元\305.7亿元，分别同比增长53.6%\56.21%\57.82%，年复合增长率为57.01%。其中云端芯片市场份额最大，接近50%，市场规模从2019年的61.4亿元增长至2020年139.4亿元。根据我们的分析，GPU提供了多个并行计算的基础结构，并且核心数较多，可以进行海量数据的并行计算；拥有更高的访存速度；第三，GPU拥有更高的浮点运算能力。因此，GPU是AI“训练”阶段较为适合的芯片。GPU在AI时代的云端训练芯片中占据较大的份额，达到64.%。虽然后期由于FPGA以及ASIC技术的突破，GPU的市场份额有所下降，但是仍然是云端训练市场份额最大的芯片，2019年-2021年年复合增长率达到40%。从目前的技术看，FPGA由于量产成本高，并且设置需要FPGA硬件姿势，编程和配置较高；ASIC由于开发周期较长，开发难度，GPU在云端推理阶段仍然是较为合适的芯片，但是有GPU也存在功耗高，量产成本高等问题，所以GPU在云端推理阶段的市场份额并没有明天优势，约为41.84%，年复合增长率为56.5%。随着人工智能应用的推进，人工智能生态不断完善，在终端设备上将会出现越来越多的越来越多的AI应用，对推断计算的需求会越来越多，终端推断芯片的需求也会随之增加。未来，随着终端细分场景的落地，终端推断芯片将呈现出专业化发展趋势，同时由于终端对于性能、功耗、成本都更为敏感，这也使得相比GPU、FPGA更为专用、能效更高、成本更低的ASIC芯片将呈现快速增长势头。但是GPU目前依然是主流终端设备中的必须器件，所以市场份额不会下降太多。4、捕捉GPU应用的三大方向之三：自动驾驶4.1自动驾驶市场空间广阔当前，汽车正由人工操控的机械产品逐步向电子信息系统控制的智能产品转变。智能汽车是指通过搭载先进传感器等装置，运用人工智能等新技术，具有自动驾驶功能，逐步成为智能移动空间和应用终端的新一代汽车。当前，自动驾驶技术已经成为整个汽车产业的最新发展方向。应用自动驾驶技术可以全面提升汽车驾驶的各方面性能，满足更高层次的市场需求。5G的加速推进使自动驾驶的落地可能性在不断增大，同时近两年随着感知技术、算法、芯片、决策控制、系统融合等关键技术的快速发展。据全球市场调研机构IHSMarket预测，2025年全球自动驾驶汽车销量将达到60万辆，2035年将达到2100万辆。预计2020年L1/2渗透率有望达到40%，2025年L3、L4/5渗透率分别有望达到15%、5%。伴随5G推动L4/5自动驾驶逐步落地，2030年中国自动驾驶出行服务收入规模有望突破万亿。根据《创新发展战略》，到2025年，中国实现有条件自动驾驶的智能汽车达到规模化生产，实现高度自动驾驶的智能汽车在特定环境下市场化应用。4.2国外龙头企业积极布局NVIDIA：2019年12月，NVIDIA发布了软件定义的自动驾驶汽车平台——DRIVEAGXOrin，其中内置了NVIDIA自研的全新的自动驾驶芯片Orin，这是一款系统级芯片，晶体管数量高达170亿个，集成NVIDIA新一代GPU内核和ArmHerculesCPU内核以及全新深度学习和计算机视觉加速器，性能高达200TOPS，大约是上一代Xavier的7倍。Orin可处理在自动驾驶汽车和机器人中同时运行的大量应用和深度神经网络，并且达到了ISO26262ASIL-D等系统安全标准，能